본문 바로가기
케라스 창시자에게 배우는 딥러닝 : 5장 컴퓨터 비전 보호되어 있는 글입니다.
케라스 창시자에게 배우는 딥러닝 : 2. 신경망의 구성요소 2019. 1. 16. 19:01 2장. 신경망 구조와 구성요소 '케라스 창시자에게 배우는 딥러닝' 교재 2장을 요약정리한 내용입니다. - 신경망을 위한 데이터 표현 - 텐서 연산 - Gradient 기반 최적화 1. 신경망을 위한 데이터 표현텐서(Tensor)란 다차원 Numpy 배열이다...2D 텐서는 행렬!!여기서 D는 Dimension의 약자로 텐서에서 종종 axis로 부르기도 하며, rank와 같은 말(D=axis갯수=rank).단, 이건 텐서에서의 표현, 벡터내에서 표현하는 차원은 원소의 갯수(tensor와는 다르게 쓰임) 1) 스칼라 (Scalar, 0D tensor) - 하나의 숫자를 의미. - ndim으로 차원을 뽑으면 0차원이라고 나옴. - 텐서의 축(axis)의 갯수를 rank라고 부름. 2) 벡터 (vector, 1..
Dynamic Programming : Policy Iteration & Value Iteration 2018. 11. 9. 23:04 Dynamic Programming : Policy Iteration & Value Iteration 돌아서면 까먹는 미래의 나를 위해....다시 보아도 바로 이해할 수 있도록 정리한다. MDP가 뭐였지? Markov Decision Processes는 Total Reward를 최대로 만들고, 이때의 Optimal Policy를 찾는 방법이었다.MDP에서 중요한 점은 Model을 알고 있다는 점이다.여기서 Model은 Transition Probability, Reward Function을 말하는데, 보통은 Transition Probability를 의미한다. 즉, 모든 상황(Observation)을 다 알고 있다는 의미다. Agent가 지금 state에서 action을 취했을 때, 다음 state의 확..
Markov Decision Processes (MDP) 2018. 11. 8. 17:54 Markov Decision Processes (MDP) 미래에 허우적거리고 있을 나를 위해....★ 가장 기초가 되는 개념이지만, 온갖 난무하는 수식들 사이에서 좀 빡세게 느껴진 주제다. 반복만이 살길.....꿈에 나올때까지 계속보자.. 1. 5가지 Markov Property for MDP : MDP는 아래 5가지요소에 의해 정의된다. 1) State 2) Action 3) Transition Probability 4) Reward Function 5) start state distribution (지금부터는 시작점의 prob = 1로 두고 시작할 것이다.) 2. MDP의 목적이 뭐야? a. Reward의 합의 기댓값을 최대로 만든다 b. 이때의 Policy, 즉 Optimal Policy를 찾는다...
확률분포 정리(1) : 베르누이분포, 이항분포, 카테고리분포, 다항분포 2018. 11. 6. 15:14 확률분포 : 베르누이분포, 이항분포, 카테고리분포, 다항분포 미래에 또 이해를 못할 수 있을 나를 위해 확률분포를 정리한다...★ 1. 베르누이 분포 (Bernoulli Distribution) a) 베르누이 시행 (Bernoulli Trial)? : 결과가 두 가지 중 하나로만 나오는 실험이나 시도를 베르누이 시도(Bernoulli trial)라고 한다. : 예를 들어 동전을 한 번 던져 앞면(Head)이 나오거나 뒷면(Tail)이 나오게 하는 것은 베르누이 시행의 일종이다. b) 베르누이 확률변수(Random Variable)? : 베르누이 시행 결과를 0 또는 1의 숫자로 바꾼 것을 베르누이 확률변수(Bernoulli variable)이라 하고, : 두 값 중 하나를 같는 discrete(딱딱 떨어..
Recurrent Neural Network (RNN) 2018. 11. 4. 19:36 Recurrent Neural Network (RNN) 어떻게하면 입력 데이터의 순서를 Network가 이해할 수 있을까? IDEA : 이전 입력값의 처리결과를 다음 출력에 반영하자! 위 그림의 좌측부분을 펼친게 오른쪽 그림이 된다. - 먼저, 입력을 살펴보면 순서대로 좌->우로 흘러간다. 아래첨자로 t가 붙었다는 건 time의 개념이 들어갔고, 이것이 sequential한 느낌을 갖는다고 생각할 수 있다.(그렇게 생각하도록 하자) - 간단한 예로 문장은 여러 단어로 쪼개질 것이다. 여기서 단어가 위 그림의 입력이 된다.(X0, X1, ....Xt) X0~Xt까지 t+1이 Sequence length가 된다. - A라는 상자(여기서는 Cell 이라 하자)로부터 2개의 처리결과가 나온다. 하나는 outpu..
Convolutional Neural Network(CNN) 2018. 11. 1. 16:17 Convolutional Neural Network(CNN) 이미지 분류에서 강력한 성능을 보이는 Convolutional Neural Network를 알아보자. convolution? : 하나의 함수와 또 다른 함수를 반전 이동한 값을 곱한 다음, 구간에 대해 적분하여 새로운 함수를 구하는 수학 연산자 (wikipedia) : 쉽게 말해 원본이미지에 무언가를 곱해준다는 의미 : 즉, CNN은 이미지에 무언가를 계속 곱해주는 것으로 볼 수 있다. 좀 더 자세히 알아보자. 가장 좌측의 이미지 데이터(array)가 가운데 3x3 filter를 통과하는데, 그냥 통과시키는게 아니라, Convolution, 즉 이 둘을 곱하여 하나의 값으로 출력한 convolution feature map을 출력해낸다.(가장 ..
이미지 데이터 다루기 2018. 10. 31. 17:03 이미지 데이터 다루기 (Image Handling) 간단간단하게 코드를 통해 설명하겠습니다. 아래의 패키지를 먼저 import해줍니다. import os from scipy.misc import imread, imresize import matplotlib.pyplot as plt %matplotlib inline 이미지의 shape을 print해보기 위해 간단한 출력함수를 만들어줍니다. def print_typeshape(img): print("Type is %s" % (type(img))) print("Shape is %s" % (img.shape,)) 먼저, 저는 코드를 실행시키는 위치와 동일선상에 img 폴더(디렉토리)를 만들어 그 안에 고양이, 강아지, 젖소 등의 사진을 넣어놓았습니다. 아래를 ..

티스토리툴바